Comprobar periódicamente si los objetivos y las acciones van por buen camino es, en parte, una tarea que la IA puede asumir hoy en día. Un sistema puede recopilar datos, señalar desviaciones y elaborar un primer informe. Pero interpretar esas desviaciones —¿es un retraso un problema o una fluctuación normal, hay que corregir el rumbo o no— sigue siendo trabajo humano. Se trata, por tanto, de una tarea para un agente de IA que trabaja bajo supervisión humana, no una tarea que pueda simplemente delegar sin más.
Supervisar el progreso suena como un ejercicio factual: se compara una planificación con la realidad y se concluye si algo va según lo previsto. En la práctica hay mucho criterio implicado. Un proyecto que va dos semanas retrasado en una subtarea puede estar perfectamente sano, porque esa tarea nunca estuvo en la ruta crítica. Un objetivo alcanzado en un 80% puede fracasar de todas formas si la parte final es la más difícil. Un gerente o director de proyecto sopesa este tipo de contexto, a menudo basándose en conocimientos que no aparecen en el panel de control: quién estuvo enfermo, qué proveedor se retrasó, qué departamento informa de forma estructuralmente optimista. Ese conocimiento contextual es precisamente donde la IA hoy se queda corta. El sistema ve el número, no la historia que hay detrás.
En cambio, la supervisión es una tarea que suele repetirse: semanalmente, mensualmente, por proyecto, por equipo, por KPI. Ese volumen la hace atractiva para automatizar en parte. Un agente de IA puede recopilar continuamente datos de una herramienta de panel de control o de gestión de proyectos, aplicar umbrales y elevar únicamente las desviaciones relevantes. En lugar de que un gerente revise manualmente diez informes cada lunes, recibe un resumen de los tres asuntos que requieren atención. Esto no ahorra criterio, pero sí mucho trabajo de búsqueda. Cuanto mayor sea el volumen de objetivos y proyectos a supervisar, mayor será la ganancia de tiempo de ese prefiltro.
El grado en que el progreso es medible y estructurado varía mucho de una organización a otra. En una organización orientada a proyectos, con hitos claros, momentos de informe fijos y una herramienta de gestión de proyectos donde todo se registra, los datos son limpios y repetibles: ideal para la automatización. En una organización donde el progreso se comparte principalmente de forma verbal en reuniones, o donde los objetivos están formulados de forma vaga ("más satisfacción del cliente"), hay pocos datos estructurados sobre los que actuar. En ese caso hay poco que automatizar, simplemente porque no existe una fuente fiable de la que extraer información. Esto explica en gran medida por qué el mismo trabajo resulta distinto en su caso que en una empresa comparable: no es la tarea en sí la que difiere, sino el grado en que los datos subyacentes están en orden.
Dentro de las posibilidades actuales, un agente de IA puede:
Esto solo funciona bien con dos condiciones. En primer lugar, una conexión de datos actualizada: si la herramienta de panel de control o de gestión de proyectos no se mantiene al día, el sistema señala sobre información obsoleta. En segundo lugar, umbrales definidos: sin un acuerdo sobre cuándo una desviación merece ser notificada, el sistema produce demasiado ruido o, precisamente, pasa por alto las señales que importan.
La evaluación real —¿esto va por buen camino, hay que corregir el rumbo, a quién hablamos sobre esto— requiere un criterio que va más allá de las cifras. Esto se aplica especialmente a los directores y jefes de proyecto que asumen la responsabilidad del resultado, no solo de señalarlo. Tampoco la comunicación en torno al progreso, especialmente cuando resulta sensible dentro de un equipo, es una tarea que se pueda dejar a un sistema. Si la supervisión afecta a la evaluación de empleados individuales o a decisiones de personal, se aplican requisitos legales propios sobre los que este texto no se pronuncia.
Una organización con objetivos trimestrales a nivel de dirección, pocos puntos de medición y mucha interpretación se beneficiará menos de la automatización que una organización con decenas de proyectos en curso, KPI fijos y un panel de control bien alimentado. También influye el coste del error: si una desviación pasada por alto solo se descubre meses después y entonces resulta costosa, pesa más que una persona realice la última comprobación que cuando corregir el rumbo sigue siendo relativamente económico. Precisamente por esto no existe una afirmación general sobre "la IA y la supervisión del progreso": depende de lo estructurados, frecuentes y arriesgados que sean los objetivos en cuestión.
Para ver qué parte de este tipo de tareas es apta para la automatización en su situación, resulta útil observar primero la calidad de sus propios datos de origen, de forma similar a cómo también querría saber qué muestra una nueva medición antes de corregir el rumbo de forma estructural. Ftetoai ofrece para ello un quickscan gratuito: doce preguntas, sin necesidad de cuenta, con una indicación de qué parte de las horas de su perfil puede asumir hoy la IA. El escáner de trabajo completo, que profundiza más en tareas individuales como la supervisión y la elaboración de informes, todavía está en construcción.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.